logo.jpg
Fundamentos de Análise Tempo-Frequência
com Aplicação a Processamento de Sinais - 4
Luiz W. P. Biscainho
1Paulo A. A. Esquef
21Programa de Engenharia Elétrica do COPPE
Universidade Federal do Rio de Janeiro
2Coordenação de Sistemas e Controle
Laboratório Nacional de Computação Científica
24 a 28-01-2011 / Programa de Verão do LNCC
logo.jpg
Sumário
1
Transformada de Fourier de Curta Duração
Introdução
Definições e Propriedades
2Distribuição de Wigner
Introdução
Definições e Propriedades
Conclusão
logo.jpg
Transformada de Fourier de Curta Duração
Ideia e Discussão
Problema: Estudo de sinais
não-estacionários
Dificuldade:
Transformada de Fourier do sinal completo não localiza no tempo ocorrências espectrais
Ideia:
Quebrar sinal emsegmentos e analisá-los espectralmente
Interpretação:
Espectro (×ω) em torno do tempo t (centro dajanela)
AnáliseTempo-Frequência
No limite, a
resolução temporal pode ser pontual?
Não, o espectro perde relação com o sinal sob análise.
Razão:
Princípio da Incerteza no método, não no sinal
Problema da STFT:
Forma e duração dojanelamento interferem com
as características originais do sinal sob análise
logo.jpg
Transformada de Fourier de Curta Duração
Definições e Notação-1
Janelamento:
Produto do sinal s(t) porjanela h(·) centrada em t,
originando st(τ ) =s(τ )h(τ − t) Escolha de h(t) tal que st(τ ) ≈
s(τ ), para τ perto de t 0, para τ longe de t Nota: Tempo τ é a nova referência
Análise de Fourier:
St(ω) = √1 2πR st(τ )e −jωτdτ = √1 2πR s(τ )h(τ − t)e −jωτdτ Densidade espectral de energia |St(ω)|2é função de t e ω:espectrograma PSP(t, ω) (distribuiçãotempo-frequência) Nota: usamos janelatemporal curta
para analisarespectro em torno de t
logo.jpg
Transformada Temporal de Banda Estreita
Dual da STFT
Ideia: Janela
espectral estreita para analisar
comportamento
temporal em torno de ω
Janelamento:
Produto de S(ω) porjanela espectral H(·) centrada em ω,
originando Sω(ω0) =S(ω0)H(ω − ω0) Nota: Frequência ω0é a nova referência
Análise temporal:
sω(t) =√1 2πR Sω(ω 0)ejω0tdω0=√1 2πR S(ω 0)H(ω − ω0)ejω0tdω0 Densidade de energia |sω(t)|2é função de t e ω: P(t, ω)Se H(ω) =
√12π
R h(t)e
−jωt
dt , então S
t
(ω) =
e
−jωts
ω(t)
Assim, |s
ω(t)|
2= |S
t(ω)|
2=
P
SP(t, ω)
Conclusão: Espectrograma se presta a ambas as análises
(espectro estreito ⇒ janela longa)
logo.jpg
Espectrograma
Função Característica e Ambiguidade
Função característica do Espectrograma:
MSP(θ, τ ) =R R |St(ω)|2ejθt+jτ ωdt dω Função deAmbiguidade:
Λf(θ, τ ) =R f∗ t −12τ f t + 12τ ejθtdt Nota: Λf(−θ, τ ) = Λ∗f(θ, −τ )
MSP(θ, τ ) = Λs(θ, τ )Λh(−θ, τ )
Conclusão: Os papéis de s(t) e h(t) são
“intercambiáveis” no espectrograma.
logo.jpg
Espectrograma
NotaçãoNotação estendida:
Sinal: s(t) = A(t)ejϕ(t) S(ω) = B(ω)ejψ(ω) Janela: h(t) = Ah(t)ejϕh(t) H(ω) = BH(ω)ejψH(ω)Médias globais h·i
(s), h·i
(h), h·i
(SP)(quando não ficar claro pelo contexto).
Ex.: hωi hωi(s) =R ω|S(ω)|2 dω hωi(h) =R ω|H(ω)|2 dω hωi(SP) =R R ω|St(ω)|2dt dω Ex.: hti hti(s) =R t|s(t)|2 dt hti(h) =R t|h(t)|2 dt hti(SP) =R R t|St(ω)|2dt dω
logo.jpg
Espectrograma
Propriedades-1
Verificar se exigências para
distribuição t–f válida
são atendidas pelo
espectrograma
Energia:
ESP=R R |St(ω)|2dt dω = Λs(0, 0)Λh(0, 0) = R |s(t)|2dtR |h(t)|2dt
Se a janela tiver energia unitária,
o espectrograma atende a condição da energia.
Marginais:
P(t) =R |St(ω)|2dω =R |s(τ )|2|h(τ − t)|2dτ = R A2(τ )A2 h(τ −t)dτ 6= A2(t) P(ω) =R |St(ω)|2dt =R |S(ω0)|2|H(ω − ω0)|2dω0= R B2(ω0)B2 H(ω − ω 0)dω0 6= B2(ω)Condição não é atendida, pois o espectrograma
mistura distribuições do sinal e da janela.
hf (t)i e hf (ω)i calculadas erradamente pelo espectrograma Marginaisindependem das fases.
logo.jpg
Espectrograma
Propriedades-2
Suporte finito: Espectrograma não atende
Localização no tempo × localização na frequência.
Há inúmeras janelas utilizáveis,
a escolha deve ser criteriosa.
O espectrograma
mistura sinal e janela simetricamente.
A
interpretação de resultados deve ser cuidadosa.
É possível desacoplar o efeito da janela?
logo.jpg
Espectrograma
Exemplos
Análise de Fourier de Tempo Curto de
s(t) = e
j10t+ δ(t − 10) em três casos: (a) janela muito
curta, (b) muito longa e (c) intermediária.
Fig 7.1
Análise de Fourier de Tempo Curto de onset senoidal com
janelas curta e longa.
logo.jpg
Espectrograma
Grandezas Globais
Médias:
hti(SP) =R R t|St(ω)|2dt dω = ht i(s)− hti(h)
Se a janela for simétrica no tempo, hti resulta correto. hωi(SP)=R R ω|St(ω)|2dt dω = hωi(s)+ hωi(h)
Se a janela for simétrica na frequência, hωi resulta correta.
Momentos de segunda ordem:
ht2i(SP)= ht2i(s)+ ht2i(h)− 2ht2i(s)ht2i(h) T2
SP=Ts2+Th2(h escorrega sobre s)
Duração: composição das durações do sinal e da janela.
hω2i(SP)= hω2i(s)+ hω2i(h)+2hω2i(s)hω2i(h) B2
SP=B2s+Bh2(H é convoluído com S)
Largura espectral: composição das largura espectrais
do sinal e da janela.
Covariância: Desenvolvendo htωiSP=R R tω|St(ω)|2dt dω, Cov(SP)tω = htωi(SP)− hti(SP)hωi(SP) =Cov(s)
tω − Cov (h) tω Para janelas reais, Cov(h)tω =0, e Covtω resulta correta.
logo.jpg
Espectrograma
Preparação para cálculo de grandezas locais
s
t(τ )
é função do tempo τ com espectro S
t(ω)
t é
parâmetro
s
t(τ ) =
A(τ )A
h(τ −
t)e
j[ϕ(τ )+ϕh(τ −t)]com espectro S
t(ω) =
B(ω)B
H(ω
0− ω)e
j[ψ(ω)+ψH(ω0−ω)]
Sinal normalizado: ˆ
s
t(τ ) =
√
s(τ )h(τ −t) |s(τ )h(τ −t)|2dτ=
s(τ )h(τ −t)√
P(t)com espectro ˆ
S
t(ω) =
√12πR ˆ
s
t(τ )e
−jωτdτ
logo.jpg
Espectrograma
Grandezas locais no tempo
Grandezas locais em t:
É possível escrever hg(ω)it= P(t)1 R g(ω)|St(ω)|2dω como integral em τ
Calculando-se hωit e hω2it,
servirão como estimativas das propriedades do sinal A estimativa B2
t = hω2it− hωi2t
pode resultarnegativa. Melhor usar a definição.
Todos aparecem como funções da janela. Somente fazendo-se A2
h(t) −→ δ(t) é que hωit −→ ωi(t) Mas... Bt−→ ∞
logo.jpg
Espectrograma
Grandezas locais na frequência
Grandezas locais em ω:
É possível escrever hg(t)iω= P(ω)1 R g(t)|St(ω)|2dt como integral em ω0
Calculando-se htiωe ht2iω,
servirão como estimativas das propriedades do sinal A estimativa T2
ω= ht2iω− hti2ω
pode resultarnegativa. Melhor usar a definição.
Todos aparecem como funções da janela.
Somente fazendo-se BH2(ω) −→ δ(ω)é que htiω−→ tg(ω) Mas... Tω−→ ∞
logo.jpg
Espectrograma
Inversão
É
possível obter s(t) a partir de |S
t(ω)|
2(
inverter o espectrograma)?
Λ
s(θ, τ ) =
MΛSP(θ,τ ) h(−θ,τ )=
1 Λh(−θ,τ )R R |S
t(ω)|
2e
jθt+jτ ωdt dω
s
∗t −
12τ
s t +
12τ
=
2π1R Λ
s(θ, τ )e
−jθtdθ
Fazendo t =
τ2e em seguida τ = t,
s(t) =
2πs1∗(0)R Λ
s(θ,
t)e
−j θt 2dθ
O espectrograma é inversível
a menos de uma eventual fase constante no sinal
(que é multiplicado por seu conjugado)
Λ
h(θ, τ )
não pode ter regiões nulas finitas em (θ, τ )
logo.jpg
Distribuição de Wigner
Definição e discussão inicial
Representação tempo-frequência
qualitativamente diferente do espectrograma:
só envolve o
sinal a analisar
Definição:
W (t, ω) = 1 2π Z s∗ t − 1 2τ s t + 1 2τ e −jτ ωdτ W (t, ω) =2π1 Z S∗ ω +12θ S ω −1 2θ e −jtθdθÉ bilinear
Tem a
mesma forma nos dois domínios
Estuda a correlação entre versões
espelhadas do sinal.
Figs. 8.1 e 8.2
logo.jpg
Distribuição de Wigner
Definições e Propriedades-1
Suporte finito fraco: Atende
Suporte finito forte: Não atende
Função Característica:
M(θ, τ ) =R R W (t, ω)ejθt+jτ ωdt dω = Z s∗ t − 12τ s t + 1 2τ ejθtdt = Λs(θ, τ )(ambiguidade) M(θ, τ ) = Z S∗ ω +12θ S ω −1 2θ e jτ ωdωDistribuição real: W
∗(
t, ω) = W (t, ω) ⇒ W (t, ω) ∈ R,
mas admite valores negativos
Simetria:
Para s(t) ∈ R (ou S(ω) = S(−ω)), W (t, ω) = W (t, −ω) Para S(ω) ∈ R (ou s(t) = s(−t)), W (t, ω) = W (−t, ω)
logo.jpg
Distribuição de Wigner
Definições e Propriedades-2Marginais:
M(θ) = M(θ, 0) =R |s(t)|2ejθtdt ⇒ P(t ) = |s(t )|2 M(τ ) = M(0, τ ) =R |S(ω)|2ejτ ωdω ⇒ P(ω) = |S(ω)|2 AtendeEnergia: Como consequência, atende
Deslocamentos:
s(t) −→ e
jω0ts(t − t
0
) ⇒
W (t, ω) −→ W (t − t
0, ω − ω
0)
Grandezas globais hg(t, ω)i =
R R g(t, ω)W (t, ω)dtdω
Pelo atendimento das marginais, fornece corretamente:
hg(t)i e hg(ω)i
Tempo Médio e Frequência Média Duração e Largura Espectral Covariância
Atende
Princípio da Incerteza
(pelo atendimento das marginais)
logo.jpg
Distribuição de Wigner
Definições e Propriedades-3
Grandezas locais:
Frequência instantânea: hωit= ωi(t), como esperado
Atraso de grupo: htiω=tg(ω), como esperado
Largura espectral instantânea:
σ2 ω|t = 1 2 A0 (t) A(t) 2 −AA(t)00(t) ,
que pode resultarnegativa; com isso,
Bt pode se tornar complexo (sem interpretação)
Positividade:
Sinal mais geral que resulta em W (t, ω) > 0:
Chirp gaussianos(t) = α 4 14 e−1 2αt 2+j1 2βt 2+jω0t , com α > 0, β > 0 e ω0>0 W (t, ω) =π1e−αt2−(ω−βt−ω0) 2 α
Exemplo com W (t, ω) com valores negativos.
Fig. 8.4
logo.jpg
Distribuição de Wigner
Definições e Propriedades-4
Distribuição de Wigner
cruzada:
W12(t, ω) = 2π1 Z s∗ 1 t − 1 2τ s2 t + 1 2τ e −jτ ωdτ W12(t, ω) = 2π1 Z S∗1 ω +12θ S2 ω −12θ e−jtθdθ
Distribuição da
soma de dois sinais s(t) = s
1(t) + s
2(t):
W (t, ω) = W11(t, ω) + W12(t, ω) + W21(t, ω) + W22(t, ω) W (t, ω) = W11(t, ω) + W22(t, ω) + 2<[W12(t, ω)]Termo cruzado, ou de interferência afeta visualização
(indesejável?). Fig. 8.6
Nota: Sinal real pode ser visto como soma de 2 complexos conjugados. A distribuição de Wigner indica quando
um sinal émulticomponente, quase sempre. Fig. 8.5
logo.jpg
Distribuição de Wigner
Definições e Propriedades-5Inversão e Unicidade:
s∗ t − 12τ s t + 1 2τ = R W (t, ω)ejτ ωdω Fazendo t = τ2 e em seguida τ = t, s(t) = s∗1(0) Z W 2t, ω ejtωdω A distribuição de Wigner é inversívela menos de uma eventual fase constante no sinal (que é multiplicado por seu conjugado)
Representatividade:
Nem toda função de t e ω é umadistribuição de Wigner
representável ourealizável (tem um sinal associado a ela).
Ex.: Funções estritamente positivas (exceto a associada ao Chirp gaussiano) não são realizáveis.
Teste: Função candidata é distribuição de Wigner realizável se o sinal obtido por sua reversão ao tempo gerar distribuição de Wigner igual a ela.
logo.jpg
Distribuição de Wigner
Definições e Propriedades-6
Extensão dos termos cruzados:
W
12(t, ω) = 0
∀t 6∈
t1+t3 2,
t2+t4 2,
se
s
1(t) = 0 ∀t 6∈ (t
1,
t
2)
s
2(t) = 0 ∀t 6∈ (t
3,
t
4)
∀ω 6∈
ω1+ω3 2,
ω2+ω4 2, se
S
1(ω) =
0 ∀ω 6∈ (ω
1, ω
2)
S
2(ω) =
0 ∀ω 6∈ (ω
3, ω
4)
Produto e Convolução
No tempo: s(t) = s1(t)s2(t) ⇒ W (t, ω) =R W1(t, ω0)W2(t, ω − ω0)dω0 Na frequência: S(ω) = S1(ω)S2(ω) ⇒W (t, ω) =R W1(t0, ω)W2(t0− t, ω)dt0logo.jpg
Distribuição de Wigner
Discussão Adicional
Com o uso de
sinal analítico:
W (t, ω) = 0 ∀ω < 0
evitam-se termos cruzados entre espectro em ω < 0 e espectro em ω > 0
Distribuição de Wigner
espalha ruído.
Fig. 8.7
Modificações da Distribuição de Wigner tentam
garantir positividade e/ou reduzir termos cruzados.
Custo: perder boas propriedades (ex. marginais)
É possível converter qualquer distribuição t–ω em outra
Há método geral sistematizado para gerar
distribuições t–ω
logo.jpg
Distribuição de Wigner × Espectrograma
Espectrograma é
família de distribuições
(escolha da janela)
Wigner atende
marginais (e condições consequentes)
Espectrograma é
positivo
Wigner resolve melhor
multicomponentes
Wigner gera
artefatos sem interpretação direta
Wigner informa corretamente ω
ie t
gPrincípio da Incerteza:
em Wigner, diz dos limites dosinal
no espectrograma, diz dos limites dométodo.
logo.jpg
Distribuição de Wigner × Espectrograma
Sinais multicomponentes:
Fig. 8.8
Som de contração muscular:
Fig. 8.9
Som de aneurisma:
Fig. 8.10
logo.jpg